HBase表格的逻辑视图和物理视图
HBase表格的逻辑视图和物理视图
逻辑视图（概念视图）：
HBase以表的形式存储数据，表由行和列组成。列划分为若干个列簇
HBase是一个键值（key-value）型数据库。HBase数据行可以类比成一个多重映射（map），通过多重的键（key）一层层递进可以定位一个值（value）。因为HBase数据行列值可以是空白的（这些空白列是不占用存储空间的），所以HBase存储的数据是稀疏的。
（1）表（table）：类似于关系型数据库中的表，即数据行的集合。表名用字符串表示，一个表可以包含一个或者多个分区（region）。
（2）行键（row key）：用来标识表中唯一的一行数据，以字节数组形式存储，类似于关系型数据库中表的主键（不同的是从底层存储来说，行键其实并不能唯一标识一行数据，因为HBase数据行可以有多个版本。
但是，一般在不指定版本或者数据时间戳的情况下，用行键可以获取到当前最新生效的这行数据，因此从用户视图来说，默认情况下行键能够标识唯一一行数据），同时行键也是HBase表中最直接最高效的索引，表中数据按行键的字典序排序。
（3）列族（column family）：HBase是一个列式存储数据库，所谓列式就是根据列族存储，每个列族一个存储仓库（Store），每个Store有多个存储文件（StoreFile）用来存储实际数据。
（4）列限定符（column qualifier）：每个列族可以有任意个列限定符用来标识不同的列，这个列也类似于关系型数据库表的一列，与关系型数据库不同的是列无须在表创建时指定，可以在需要使用时动态加入。
（5）单元格（cell）：单元格由行键、列族、列限定符、时间戳、类型（Put、Delete等用来标识数据是有效还是删除状态）唯一决定，是HBase数据的存储单元，以字节码的形式存储。
（6）版本（version）：HBase数据写入后是不会被修改的，数据的Put等操作在写入预写入日志（Write-Ahead-Log，WAL）（类似于Oracle Redo Log）后，会先写入内存仓库（MemStore），同时在内存中按行键排序，等到合适的时候会将MemStore中的数据刷新到磁盘的StoreFile文件。
因为数据已经排序，所以只需顺序写入磁盘，这样的顺序写入对磁盘来说效率很高。由于数据不会被修改，因此带来的问题就是数据会有多个版本，这些数据都会有一个时间戳用来标识数据的写入时间。
（7）分区（region）：当传统数据库表的数据量过大时，我们通常会考虑对表做分库分表。例如，淘宝的订单系统可以按买家ID与按卖家ID分别分库分表。同样HBase中分区也是一个类似的概念，分区是集群中高可用、动态扩展、负载均衡的最小单元，一个表可以分为任意个分区并且均衡分布在集群中的每台机器上，分区按行键分片，可以在创建表的时候预先分片，也可以在之后需要的时候调用HBase shell命令行或者API动态分片。
接下来以用户行为管理系统为例，假设现在需要用HBase来存储电商系统的用户行为数据，表s_behavior用来存储这些行为数据，两个列族pc和ph分别存储电脑端与手机端的行为数据，列v用来存储用户浏览记录，列o用来存储用户的下单记录。
物理视图：
HBase是一个列式存储数据库，数据按列族聚簇存储在存储文件（StoreFile）中，在逻辑视图上面有些列是空白的，空白的列单元格不会被存储，当请求这些空白的单元格时，会返回null值。如果在查询的时候不提供时间戳，那么会返回距离现在最近的那一个版本的数据，因为在存储的时候，数据会按照时间戳来排序。
（1）HBase中表按照行键的范围被划分为不同的分区（Region），各个分区由分区服务器负责管理并提供数据读写服务，HBase主节点进程（HMaster）负责分区的分配以及在集群中的迁移。
（2）一个分区同时有且仅由一个分区服务器提供服务。当分区增长到配置的大小后，如果开启了自动拆分（也可以手动拆分或者建表时预先拆分），则分区服务器会负责将这个分区拆分成两个。
每个分区都有一个唯一的分区名，格式是“<表名,startRowKey,创建时间>”。一个分区下的每个列族都会有一个存储仓库（Store），因此一个表有几个列族，那么每个分区就会有几个存储仓库。
（3）每个Store（存储仓库）有且仅有一个MemStore（内存仓库），但是可以有多个存储文件。当分区服务器处理写入请求时，数据的变更操作在写入WAL后，会先写入MemStore，同时在内存中按行键排序。
当MemStore到达配置的大小或者集群中所有MemStore使用的总内存达到配置的阈值百分比时，MemStore会刷新为一个StoreFile（存储文件）到磁盘，存储文件只会顺序写入，不支持修改。
（4）数据块（block）是HBase中数据读取的最小单元，StoreFile由数据块组成，可以在建表时按列族指定表数据的数据块大小。如果开启了HBase的数据压缩功能，数据在写入StoreFile之前会按数据块进行压缩，读取时同样对数据块解压后再放入缓存。理想情况下，每次读取数据的大小都是指定的数据块大小的倍数，这样可以避免一些无效的IO，效率最高。
表格的物理视图
HBase各模块交互图：
参考博客：